无线传感网的应用范围极为广泛,由于受到软硬件设备及其运行环境的限制,总存在着节点能耗过多、数据精确度下降等问题,这会导致网络生命周期的下降。因此,无线传感网的数据融合算法成为学者们的研究热点。在无线传感网的数据处理过程中,对相邻节点采集的数据使用合理高效的融合技术来剔除冗余的或者错误的信息,以提高数据的精确度;同时降低数据的传输量与通信量,以降低节点的能耗,进而延长网络的生命周期。大多融合算法在冗余数据的剔除过程中,节点能耗伴随着数据精确度地提高而增加。针对节点能耗与数据精确度间的均衡问题,在具有超过500个节点的大范围环境下提出了基于蜂窝网络结构的数据融合算法;在少于500个节点的小范围环境下提出了基于博弈论的数据融合算法。本文的主要研究内容如下:(1)在基于蜂窝网络结构的数据融合算法中,将蜂窝网络结构和能耗模型相结合。首先在基于蜂窝网络结构的分簇模型中,根据簇内成员节点之间的距离及节点之间通信的能耗,选出最小能耗的节点作为簇头节点;然后通过数据精确度下降率、节点能耗率以及数据丢包率的计算公式确定融合因子的大小,以判断参与融合的簇内成员节点;最后簇头将筛选出的数据传输给Sink节点,且采用贝叶斯估计公式融合数据。(2)在基于博弈论的数据融合算法中,该算法采用分簇的网络模型,簇内节点作为参与者相互博弈,将融合收益与融合能耗作为输入参数,通过效益函数最大值选出最小能耗的节点参与融合,以降低节点能耗;将效益函数最大值作为权重代入置信距离的计算公式,以提高数据精确度;簇头节点将节点采集的可靠数据传输给Sink节点,由Sink节点采用贝叶斯理论完成融合处理。(3)在OPNET仿真环境下,将本文针对两种环境下提出的数据融合算法与其它的融合算法比较分析。仿真结果表明:本文提出的算法具有较高的数据精确度和较低的节点能耗,延长了网络的生命周期。